Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

AI-assistert ansiktskirurgisk planlegging

16. februar 2021 oppdatert av: National Taiwan University Hospital

Kunstig intelligens-assistert ansikts-, periokulær- og orbitalanalyse og kirurgisk planlegging

Datasyn ved hjelp av dyp læringsarkitektur er mye brukt i autogjenkjenning. I forskningen brukes dyplæringsmodellen som trenes opp av kategoriserte enkeltøyebilder for å oppnå den gode ytelsen til modellen i blefaroptose autodiagnose.

Studieoversikt

Detaljert beskrivelse

Dette autodiagnosesystemet for blefaroptose ved bruk av maskinlæringsarkitektur vil hjelpe til med telemedisin, for eksempel tidlig screening av barndomsptose for rask henvisning og behandling. Folk kan bruke denne programvaren via mobile enheter for å få en primitiv diagnose før de når legene. Videre, i primærhelsetjenesten, der det ikke er noen okuloplastisk kirurg, kan programvaren hjelpe primærleger eller generelle øyeleger med å identifisere behovet for en henvisning.

Studietype

Observasjonsmessig

Registrering (Faktiske)

17932

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

      • Taipei, Taiwan
        • National Taiwan University Hospital

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

20 år til 65 år (VOKSEN, OLDER_ADULT)

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Alle data ble samlet inn ved oftalmiske poliklinikker ved National Taiwan University Hospital.

Beskrivelse

[Inklusjonskriterier]

  1. Deltakerne som var 20 år eller eldre,
  2. Kirurgisk informert samtykke ble godkjent av deltakerne selv,
  3. Deltakere som har kirurgiske indikasjoner på de okulofaciale operasjonene, og
  4. Deltakerne som ble enige om fotografering etter forklaring fra kirurgen ved poliklinikker.

[Ekskluderingskriterier]

  1. Deltakerne som var 19 år eller yngre,
  2. Deltakerne som ikke har kirurgiske indikasjoner på okulofaciale operasjoner,
  3. Deltakerne som ble designet for minimalt invasive behandlinger, som Botox eller noen form for fillerinjeksjon,
  4. Deltakerne som nektet fotografering av en eller annen grunn, og
  5. Deltakerne som ikke er tilgjengelige for standardkvalitet på fotografering, for eksempel sengeliggende pasienter.

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Modellytelsen vurderes etter nøyaktighet
Tidsramme: Gjennom studiegjennomføring i snitt 1 år
En tilnærming til kunstig intelligens
Gjennom studiegjennomføring i snitt 1 år
AUC (Area Under the Curve)
Tidsramme: Gjennom studiegjennomføring i snitt 1 år
En tilnærming til kunstig intelligens
Gjennom studiegjennomføring i snitt 1 år
ROC (Receiver Operating Characteristics) kurve.
Tidsramme: Gjennom studiegjennomføring i snitt 1 år
En tilnærming til kunstig intelligens
Gjennom studiegjennomføring i snitt 1 år
En kunstig intelligens tilnærming for å identifisere ansikts-, periokulære og orbitale sykdommer
Tidsramme: Gjennom studiegjennomføring i snitt 1 år
Modelltolkbarheten er tilgjengelig av Grad-CAM (Class Activation Maps).
Gjennom studiegjennomføring i snitt 1 år

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Samarbeidspartnere

Etterforskere

  • Hovedetterforsker: Shu-Lang Liao, MD,MPH, EMBA, National Taiwan University Hospital

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (FAKTISKE)

1. januar 2009

Primær fullføring (FAKTISKE)

31. desember 2018

Studiet fullført (FAKTISKE)

30. juli 2019

Datoer for studieregistrering

Først innsendt

3. mars 2020

Først innsendt som oppfylte QC-kriteriene

23. mars 2020

Først lagt ut (FAKTISKE)

24. mars 2020

Oppdateringer av studieposter

Sist oppdatering lagt ut (FAKTISKE)

18. februar 2021

Siste oppdatering sendt inn som oppfylte QC-kriteriene

16. februar 2021

Sist bekreftet

1. februar 2021

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere